在联合冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理的基础上，利用边缘检测算子选取自适应参数，构建能同时兼顾图像平滑去噪与边缘保留的自适应全变分模型，并基于Bregman迭代正则化方法设计了其快速迭代求解算法。实验结果表明，自适应去噪模型及其求解算法在快速去除噪声的同时保留了图像的边缘轮廓和纹理等细节信息，得到的复原图像在客观评价标准和主观视觉效果方面均有所提高。 —————————————————————————————————— This paper combined shock

在联合冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理的基础上,利用边缘检测算子选取自适应参数,构建能同时兼顾图像平滑去噪与边缘保留的自适应全变分模型,并基于Bregman迭代正则化方法设计了其快速迭代求解算法。实验结果表明,自适应去噪模型及其求解算法在快速去除噪声的同时保留了图像的边缘轮廓和纹理等细节信息,得到的复原图像在客观评价标准和主观视觉效果方面均有所提高。

在保留纹理的同时抑制噪声是自然图像去噪中最重要和最具挑战性的问题之一。 已经广泛研究了自然图像的各种先验，例如基于梯度的先验，基于非局部自相似性的先验等，以用于噪声去除。 基于这些先验的方法可能会使细尺度的图像纹理变得平滑，并降低图像的视觉质量。 为了提高图像的视觉质量，本文提出了一种具有自适应保真度项的改进的纹理保留总变化量（TPTV）图像去噪模型。 首先，我们基于结构张量构造图像结构控制函数（SCF）来描述图像结构信息。 其次，我们将SCF组合到一个用于消除噪声的总变化框架中，以便该模型可以

提出了一种新的变分图像模型，结合了Curvelet收缩方法和总变分（TV）功能，可用于图像恢复。 为了抑制阶梯效应和类似Curvelet的伪影，我们使用多尺度Curvelet收缩来计算初始估计图像，然后提出一个新的梯度保真度项，该项旨在迫使所需图像的梯度接近Curvelet逼近梯度。 然后，我们介绍了Euler-Lagrange方程，并对数学性质进行了研究。 为了提高保留边缘和纹理细节的能力，在梯度下降流算法的迭代过程中自适应估计空间变化参数。 数值实验表明，我们提出的方法在减轻阶梯效应和曲​​